Manus实测：全球首款通用AI Agent工作方式拆解

原创花生花叔 2025-03-06 13:39

原文地址: https://mp.weixin.qq.com/s/AlonZfAgkcuG_Cu5_xpaCg

互动数据

新软件会消耗掉硬件性能提升带来的所有优势。

——安迪-比尔定律

一、AI的安迪-比尔定律

30多年前计算机时代的安迪-比尔定律正在继续上演，那个定律是说不管安迪·格鲁夫（英特尔CEO）带来多大的硬件进步，比尔·盖茨（微软CEO）都会用软件的升级把硬件运算速度提升的进步消耗殆尽。

所以我们似乎用到的总会是卡卡卡的电脑，及时在那期间硬件能力已经提升百倍，甚至千倍了。

而这个定律在AI时代再次发生了，不管大语言模型厂商带来多大程度的模型能力提升，不管如何提升LLM吐出单个token的效率，降低LLM单token成本，总会不断有新的AI应用把这部分的能力提升吃干。

在2024年7、8月的时候，因为Claude 3.5 Sonnet的发布，我们获得了真正可用的AI编程工具Cursor。半年后的今天，Manus出现了，它在以十倍、百倍的速率消耗最强大的LLM的token，然后帮用户更好完成复杂任务。

实际上，AI Agent的概念在2023年3月GPT-4发布的时候就爆火过一波，AutoGPT的概念被炒得相当热闹，但喧嚣过后，大家发现那个Agent除了一次任务消耗掉你10几美金，什么都没给你留下。

Agent的概念是对的，但模型能力还没真正ready。

现在的Manus确实让我看到了不太一样的情况，模型能力到了，他们的工程能力去挤压出了模型可完成的最复杂的任务，并且用他们自己的话说是：

Less structure, more intelligence.

我很认可这句话，因为你更少用架构限制大模型，你就有机会去更充分的利用大模型所展示出来的能力。而且这个概念很性感的点在于，他们是在利用大语言模型的intelligence，是在和LLM的进步站在一起的。你可以预期模型能力越提升，Manus可完成的任务范围就会更广，效果也会更好。